现在的 cursor 或者agent 系统怎么实现执行python代码的，怎么执行cli命令的，需要什么环境
在 Agent 技能（Skill/Tool）体系中，「执行 Python 代码 / CLI 命令」原理解析
本身就是一个标准化的工具型技能：它把底层的进程调用、沙箱隔离、输出捕获、安全管控逻辑，全部封装成大模型可通过 Function Calling 直接调用的标准接口。大模型只需要按约定传入参数，就能触发执行并拿到结构化结果，无需关心底层实现细节。
一个合格的代码执行技能，核心包含三层：
- 声明层：技能名称、功能描述、参数 Schema（给大模型看的调用说明书）
- 管控层：参数校验、安全扫描、环境调度、超时/资源限制
- 执行层：真正调用进程/沙箱执行代码，捕获输出并结构化返回
下面通过 3 个从简到繁的真实场景示例，完整说明技能内的实现逻辑。
一、示例1：最简本地 Python 执行技能（LangChain 风格）
这是个人 Agent、本地开发场景最常用的实现方式，对应「临时脚本模式」，基于 LangChain 工具规范封装，底层依赖 Python 标准库subprocess。
完整实现代码
fromlangchain.toolsimportBaseToolfrompydanticimportBaseModel,FieldimportsubprocessimporttempfileimportosfromtypingimportType# 1. 定义技能的入参 Schema（告诉大模型要传什么参数）classPythonRunInput(BaseModel):code:str=Field(description="需要执行的 Python 代码，必须是可直接运行的完整代码")timeout:int=Field(default=10,description="执行超时时间，单位秒，默认10秒")# 2. 实现技能本体classPythonRunTool(BaseTool):name:str="python_code_executor"description:str="执行 Python 代码并返回执行结果，适用于计算、数据处理、逻辑验证等场景。输入必须是完整可运行的 Python 代码。"args_schema:Type[BaseModel]=PythonRunInputdef_run(self,code:str,timeout:int=10)-